基于度量学习的意图识别和槽填充方法

人机对话中小样本学习场景下的意图识别和槽填充,是自然语言处理的一个重要课题.本文采用基于度量学习的方法,通过计算query set中的样本与support set中样本的距离,寻找距离最近的类别样本作为分类标签,同时将两个任务联合进行训练,用以提升模型的效果.从实验结果中可以得出,本文提出的Fine-tune方法,对意图识别和槽填充任务都有一定的帮助和提升.胶囊网络在意图识别中也起到了一定的效果,可以帮助去除一部分无关信息,但对槽填充任务的帮助不明显;而任务自适应的投影网络,可以更好地将不同类的向量分开,提升了两个任务的性能.     

非接触性摩擦

 接触性摩擦是一个物体表面上的原子“突起”滑过另一个物体表面的原子“凹陷”产生的。康奈尔大学的赛佩·库恩(SeppeKuehn)和同事,利用0.25毫米长、几千个原子厚的单晶微悬臂梁,观测相距1纳米的两表面间的非接触性摩擦。使悬臂梁与一个表面垂直,并使其向下做如同钟摆一样的运动,在这样的运动状态下调整悬臂梁,悬臂梁将因感应到下方表面的摩擦而慢下来。令人吃惊的是,非接触性摩擦力依赖于样本的化学性质。通过研究不同聚合材料的化学依赖性,这几位研究者直接检测了因样本中分子运动导致弱电场波动而产生的摩擦。     

由切片重建样本的三维形态

利用计算机的计算及绘图功能，实现了由平面切片重建组织和器官等样本准确的三维空间图像。提出了最大内切圆法和投影积聚法两种三维重建的算法，解决了应用二维切片重建三维空间立体图的要求，使得研究更加直观、可靠。     

吴雄寺村:一个农村信息化的样本

农村信息化是改造我国传统农业和农村的重要内容。为了适应北京农村信息化发展的需要，解决信息服务的“最后一公里”，繁荣农村经济和村民生活，探索一条如何利用信息和信息技术解决“三农”问题的道路，在科技部、北京市科委、北京市计委和市农委等部门的大力支持下，2003年起，国家农业信息化工程技术研究中心（北京农业信息技术研究中心，以下简称中心），在北京市顺义区吴雄寺村建立了农村信息化示范村。     

随机截断下NA样本半参数回归模型中的相合估计

本文研究固定设计下的半参数回归模型在相应变量Yi因受到某种随机干扰而被右截断且截断分布已知时,利用所获的截断观察定义了参数β和回归函数g(·)的估计,并证明了它们均具有强相合性.     

强混合样本下回归加权估计的一致渐近正态性

在强混合样本下,讨论固定设计回归模型的加权函数估计的一致渐近正态性,给出一致渐近正态性的收敛速度,这个速度接近n-1／6．     

标准差的计量调整型抽样检查表

本文参照 ISO3951-81”s”法主表的设计原则,设计出了一套(包括样本大小字码表,正常,加严,放宽抽样表)适合于用标准差作为过程质量指标的计量调整型抽样检查表.还讨论了所设计出的方案组的复合接收率.     

指数分布样本中异常数据检验的有效性

本文讨论指数样本中异常数据检验的有效性,证明了Fisher型统计量在异常值检验中的某种优良性。用随机模拟方法比较了Fisher统计量,Epstoin统计量和Dixon统计量在指数样本异常值检验中的功效。     

运用反例基于识别的手写数字串分割

采用基于识别的分割方法进行手写数字串分割.在识别的过程中,运用反例样本估计分类器参数,实验数据表明,这种运用反例样本训练的分类器与没有经过反例样本训练的分类器相比,将提高拒识率到19%左右,从而保证了较高的识别率,验证了只有经过反例训练的分类器的输出结果才是可信赖的.